Pengembangan Aplikasi Sido Chatbot sebagai Aplikasi Pengenalan Objek Wisata Kediri Menggunakan Rule-Based Pattern Matching
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Pariwisata merupakan salah satu pendorong utama pertumbuhan ekonomi di Indonesia, dengan kontribusi yang signifikan terhadap lapangan kerja dan ekonomi kreatif. Provinsi Jawa Timur, khususnya Kabupaten Kediri, memiliki potensi besar sebagai destinasi wisata yang berdaya saing. Upaya transformasi digital dalam sektor pariwisata, termasuk pengembangan infrastruktur teknologi dan analisis data, menjadi langkah penting untuk meningkatkan daya tarik wisata. Salah satu solusi efektif dalam memberikan informasi wisata adalah melalui penerapan chatbot. Metodologi kuantitatif deskriptif diterapkan dengan menggunakan pendekatan rule-based pattern matching untuk pengembangan chatbot, serta pengujian keberhasilan mencapai persentase 83,33%, yang mengindikasikan sebagian besar fungsionalitas aplikasi berjalan dengan baik. Namun, masih terdapat area yang memerlukan perbaikan. Untuk meningkatkan performa, perlu diperluas cakupan data latih yang mencakup berbagai jenis percakapan, serta pengintegrasian kecerdasan buatan (AI) guna memperkaya pengetahuan chatbot. Evaluasi dan penyesuaian model chatbot secara berkala juga penting untuk meningkatkan kualitas dan responsivitasnya dalam memberikan informasi yang akurat kepada pengunjung wisata di Kediri.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,005 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle